在當(dāng)今這個(gè)互聯(lián)網(wǎng)信息時(shí)代,在書(shū)法教育方面的研究還處于起步階段,本文主旨是幫助書(shū)法初學(xué)者更好地了解自己臨摹作品的效果。在查閱了大量的相關(guān)資料,并且與張克江老師進(jìn)行了充分溝通后,找到書(shū)法初學(xué)者普遍存在的一些問(wèn)題,并針對(duì)這些問(wèn)題制定相應(yīng)的解決辦法,對(duì)現(xiàn)有算法進(jìn)行了研究,并提出改進(jìn)意見(jiàn),最后對(duì)提出的改進(jìn)算法進(jìn)行驗(yàn)證,從而得到一個(gè)能夠?qū)εR摹作品做出合理評(píng)價(jià)的系統(tǒng)。本文的主要內(nèi)容如下:（1）提出一種基于Z-S快速并行算法的改進(jìn)算法,該算法改善了提取骨架時(shí)會(huì)出現(xiàn)斷裂以及毛刺的問(wèn)題,提取出的骨架圖像能夠很好的展現(xiàn)書(shū)法字的“形態(tài)”,能夠更好的用于圖像骨架相似度的計(jì)算。（2）本文提出了一種基于全局特征以及局部特征的雙層檢索算法,處理數(shù)據(jù)時(shí)對(duì)特征向量進(jìn)行哈希變換,并對(duì)處理后的二進(jìn)制數(shù)據(jù)進(jìn)行加權(quán),該方法可在保證查全查準(zhǔn)率的同時(shí)降低檢索時(shí)間,達(dá)到及時(shí)響應(yīng)的目的。（3）本文結(jié)合書(shū)法初級(jí)考試標(biāo)準(zhǔn),提出了一種基于圖像特征的評(píng)判體系,該體系從整體結(jié)構(gòu)特征、筆畫(huà)形體特征以及字體布局特征三個(gè)方面來(lái)計(jì)算相應(yīng)特征的相似度,利用求得的相似度值來(lái)對(duì)書(shū)法字作品進(jìn)行評(píng)價(jià)。（4）構(gòu)建計(jì)算機(jī)評(píng)價(jià)系統(tǒng),輸入用戶的臨帖作品,在系統(tǒng)中與書(shū)法家作... 

【文章來(lái)源】：湖北工業(yè)大學(xué)湖北省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

細(xì)化算法對(duì)比圖

湖北工業(yè)大學(xué)碩士學(xué)位論文17言，該算法的引入可以提高檢索結(jié)果的準(zhǔn)確率。該算法構(gòu)造DoG尺度空間，在不同的尺度空間下查詢均能夠存在的特征點(diǎn)，如圖3-4所示，圖中展示的是“拜”字在不同尺度下的空間示例圖，提取出在各個(gè)尺度空間圖中均存在的特征點(diǎn)，下一步將對(duì)這些特征點(diǎn)進(jìn)行標(biāo)注以及方向的幅值，如圖3-5所示，圖中展示了部分特征點(diǎn)及其方向，特征點(diǎn)與特征方向用灰色的線條進(jìn)行了標(biāo)注。圖3-4不同尺度空間示例圖圖3-5部分特征點(diǎn)與其方向3.4相關(guān)高維數(shù)據(jù)索引算法由YairWeiss等人提出的譜哈希算法[18]，其運(yùn)用常見(jiàn)的哈希算法進(jìn)行改進(jìn)，在哈希算法的計(jì)算基礎(chǔ)上加入了譜分析的過(guò)程，該算法主要包括：對(duì)數(shù)據(jù)進(jìn)行分

湖北工業(yè)大學(xué)碩士學(xué)位論文24圖3-9查全率與查準(zhǔn)率關(guān)系對(duì)比圖3.6.2檢索速率對(duì)比常用的檢索算法大多采用的是線性相關(guān)性計(jì)算的方法，檢索其中一個(gè)數(shù)據(jù)時(shí)，會(huì)將數(shù)據(jù)庫(kù)中所有的數(shù)據(jù)進(jìn)行一次計(jì)算比對(duì)，這種處理方式會(huì)使檢索時(shí)間與數(shù)據(jù)規(guī)模量呈線性關(guān)系，本文使用了7種高維數(shù)據(jù)索引算法來(lái)進(jìn)行對(duì)比（參考相關(guān)文獻(xiàn)23-文獻(xiàn)26），主要對(duì)比時(shí)間性能和數(shù)據(jù)量之間關(guān)系。給出了不同的高維索引算法在不同字體測(cè)試集上識(shí)別的速率對(duì)比，如圖3-10所示。圖片中可以看出隨著數(shù)據(jù)量的增加，匹配時(shí)間也會(huì)發(fā)生變化，線性匹配在這種時(shí)候的劣勢(shì)就會(huì)顯現(xiàn)出來(lái)，本文提出的檢索識(shí)別算法，在數(shù)據(jù)庫(kù)建立的初期就將數(shù)據(jù)進(jìn)行了二值化處理，這也使得數(shù)據(jù)規(guī)模不會(huì)特別龐大，同時(shí)在進(jìn)行處理的同時(shí)也保留了各自特征向量的主要特點(diǎn)，使得在檢索匹配的階段可以做到快速識(shí)別，從而滿足書(shū)法字教學(xué)的需求。

【參考文獻(xiàn)】：
期刊論文
[1]加權(quán)自學(xué)習(xí)哈希高維數(shù)據(jù)最近鄰查詢算法[J]. 熊一利.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(12)
[2]基于Spark的高維K近鄰連接算法[J]. 紀(jì)佳琪,鄭永基.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(08)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和二進(jìn)制K-means的圖像快速聚類[J]. 柯圣財(cái),李弼程,唐永旺,吳志兵,萬(wàn)建平.  數(shù)據(jù)采集與處理. 2017(05)
[4]基于R-樹(shù)索引的高維相似重復(fù)記錄檢測(cè)改進(jìn)算法[J]. 宋國(guó)興,周喜,馬博,趙凡.  微電子學(xué)與計(jì)算機(jī). 2017(09)
[5]隨手翻開(kāi)的書(shū)法情結(jié)——蔣勛《漢字書(shū)法之美》推薦[J]. 于海衛(wèi).  江蘇教育. 2017(51)
[6]改進(jìn)的SIFT算法圖像匹配研究[J]. 馮文斌,劉寶華.  計(jì)算機(jī)工程與應(yīng)用. 2018(03)
[7]一種基于LSH面向二元混合類型數(shù)據(jù)的相似性查詢方法[J]. 朱命冬,申德榮,寇月,聶鐵錚,于戈.  計(jì)算機(jī)學(xué)報(bào). 2018(08)
[8]自適應(yīng)書(shū)法字圖像匹配和檢索[J]. 章夏芬,張龍海,韓德志,畢坤.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2016(04)
[9]基于最小生成樹(shù)的層次K-means聚類算法[J]. 賈瑞玉,李振.  微電子學(xué)與計(jì)算機(jī). 2016(03)
[10]基于皮爾遜相關(guān)系數(shù)的有機(jī)質(zhì)譜相似性檢索方法[J]. 李宏彬,赫光中,果秋婷.  化學(xué)分析計(jì)量. 2015(03)

碩士論文
[1]漢字識(shí)別關(guān)鍵算法研究與應(yīng)用[D]. 顧剛.浙江大學(xué) 2017
[2]非線性度量學(xué)習(xí)算法研究[D]. 殷良鷹.北京理工大學(xué) 2016
[3]中小學(xué)書(shū)法教育現(xiàn)狀研究[D]. 鄧超.西南大學(xué) 2015



本文編號(hào)：3393576